Treffer 1 - 20 von 43 Weiter zum Inhalt
Logo SPONET
dfb-logo
  • Zwischenablage: Zwischenablage (Voll)
  • Log-in
    • Englisch
    • Deutsch
Erweitert

Suchergebnisse - Machine Learning and Data Mining for Sports Analytics

  • Treffer 1 - 20 von 43
  • Zur nächsten Seite
Treffer weiter einschränken
  1. 1

    Augmented intelligence for FIFA predictions (Augmented Intelligence für FIFA-Prognosen)

    Jethuri, K., Emmadi, S. C., Samudrala, S., Natarajan, J., Ghotkar, P., Natu, M.
    Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2024. Communications in Computer and Information Science (2025)
    Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics.  …”
    Datensatz separat aufrufen Zu den Favoriten
    Gespeichert in:
    Originalquelle
  2. 2

    Masked autoencoder pretraining for event classification in elite soccer (Maskiertes Autoencoder-Vortraining für die Ereignisklassifizierung im Elite-Fußball)

    Rudolph, Y., Brefeld, U.
    Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2023. Communications in Computer and Information Science (2024)
    Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics.  …”
    Datensatz separat aufrufen Zu den Favoriten
    Gespeichert in:
    Originalquelle
  3. 3

    Pass receiver and outcome prediction in soccer using temporal graph networks (Passempfänger und Ergebnisvorhersage im Fußball mittels temporaler Graphennetze)

    Rahimian, P., Kim, H., Schmid, M., Toka, L.
    Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2023. Communications in Computer and Information Science (2024)
    Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics.  …”
    Datensatz separat aufrufen Zu den Favoriten
    Gespeichert in:
    Originalquelle
  4. 4

    Field depth matters: Comparing the valuation of passes in football (Die Tiefe des Feldes ist wichtig: Die Bewertung von Pässen im Fußball im Vergleich)

    de Sá-Freire, L. M., Vaz-de-Melo, P. O. S.
    Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2023. Communications in Computer and Information Science (2024)
    Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics.  …”
    Datensatz separat aufrufen Zu den Favoriten
    Gespeichert in:
    Originalquelle
  5. 5

    Towards expected counter - using comprehensible features to predict counterattacks (Auf dem Weg zum erwarteten Gegenschlag - Verwendung verständlicher Merkmale zur Vorhersage von Gegenangriffen)

    Biermann, H., Wieland, F. G., Timmer, J., Memmert, D., Phatak, A.
    Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2022. Communications in Computer and Information Science (2022)
    Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics.  …”
    Datensatz separat aufrufen Zu den Favoriten
    Gespeichert in:
    Originalquelle
  6. 6

    Shot analysis in different levels of German football using expected goals (Schussanalyse in verschiedenen Ebenen des deutschen Fußballs anhand der erwarteten Tore)

    Raudonius, L., Seidl, T.
    Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2022. Communications in Computer and Information Science (2022)
    Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics.  …”
    Datensatz separat aufrufen Zu den Favoriten
    Gespeichert in:
    Originalquelle
  7. 7

    Analyzing passing sequences for the prediction of goal-scoring opportunities (Analyse von Passfolgen zur Vorhersage von Torchancen)

    McCarthy, C., Tampakis, P., Chiarandini, M., Randers, M. B., Jänicke, S., Zimek, A.
    Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2022. Communications in Computer and Information Science (2022)
    Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics.  …”
    Datensatz separat aufrufen Zu den Favoriten
    Gespeichert in:
    Originalquelle
  8. 8

    Let's penetrate the defense: a machine learning model for prediction and valuation of penetrative passes (Lasst uns die Verteidigung durchdringen: ein Modell für maschinelles Lernen zur Vorhersage und Bewertung von durchdringenden Pässen)

    Rahimian, P., da Silva Guerra Gomes, D. G., Berkovics, F., Toka, L.
    Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2022. Communications in Computer and Information Science (2022)
    Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics.  …”
    Datensatz separat aufrufen Zu den Favoriten
    Gespeichert in:
    Originalquelle
  9. 9

    Evaluation of creating scoring opportunities for teammates in soccer via trajectory prediction (Bewertung der Schaffung von Torchancen für Mitspieler im Fußball durch Vorhersage der Flugbahn)

    Teranishi, M., Tsutsui, K., Takeda, K., Fujii, K.
    Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2022. Communications in Computer and Information Science (2022)
    Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics.  …”
    Datensatz separat aufrufen Zu den Favoriten
    Gespeichert in:
    Originalquelle
  10. 10

    Cost-efficient and bias-robust sports player tracking by integrating GPS and video (Kosteneffiziente und verzerrungssichere Verfolgung von Sportlern durch Integration von GPS und Video)

    Kim, H., Kim, C. J., Jeong, M., Lee, J., Yoon, J., Ko, S. K.
    Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2022. Communications in Computer and Information Science (2022)
    Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics.  …”
    Datensatz separat aufrufen Zu den Favoriten
    Gespeichert in:
    Originalquelle
  11. 11

    6MapNet: Representing soccer players from tracking data by a triplet network (6MapNet: Darstellung von Fußballspielern aus Verfolgungsdaten durch ein Triplett-Netzwerk)

    Kim, H., Kim, J., Chung, D., Lee, J., Yoon, J., Ko, S.-K.
    Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2021. Communications in Computer and Information Science (2022)
    Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics.  …”
    Datensatz separat aufrufen Zu den Favoriten
    Gespeichert in:
    Originalquelle
  12. 12

    A career in football: What is behind an outstanding market value? (Eine Karriere im Fußball: Was verbirgt sich hinter einem herausragenden Marktwert?)

    Acs, B., Toka, L.
    Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2021. Communications in Computer and Information Science (2022)
    Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics.  …”
    Datensatz separat aufrufen Zu den Favoriten
    Gespeichert in:
    Originalquelle
  13. 13

    Inferring the strategy of offensive and defensive play in soccer with inverse reinforcement learning (Ableitung der Strategie des Offensiv- und Defensivspiels im Fußball mit Inverse Reinforcement Learning)

    Rahimian, P., Toka, L.
    Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2021. Communications in Computer and Information Science (2022)
    Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics.  …”
    Datensatz separat aufrufen Zu den Favoriten
    Gespeichert in:
    Originalquelle
  14. 14

    Predicting player transfers in the small world of football (Vorhersage von Spielertransfers in der kleinen Welt des Fußballs)

    Kovacs, R., Toka, L.
    Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2021. Communications in Computer and Information Science (2022)
    Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics.  …”
    Datensatz separat aufrufen Zu den Favoriten
    Gespeichert in:
    Originalquelle
  15. 15

    Similarity of football players using passing sequences (Ähnlichkeit von Fußballspielern anhand von Passsequenzen)

    Barbosa, A., Ribeiro, P., Dutra, I.
    Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2021. Communications in Computer and Information Science (2022)
    Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics.  …”
    Datensatz separat aufrufen Zu den Favoriten
    Gespeichert in:
    Originalquelle
  16. 16

    The interpretable representation of football player roles based on passing/receiving patterns (Die interpretierbare Darstellung der Rollen von Fußballspielern auf der Grundlage von Pass-/Annahmemustern)

    Sattari, A., Johansson, U., Wilderoth, E., Jakupovic, J., Larsson-Green, P.
    Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2021. Communications in Computer and Information Science (2022)
    Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics.  …”
    Datensatz separat aufrufen Zu den Favoriten
    Gespeichert in:
    Originalquelle
  17. 17

    An autoencoder based approach to simulate sports games (Ein Autoencoder-basierter Ansatz zur Simulation von Sportspielen)

    Vaswani, A., Ganguly, R., Shah, H., Ranjit, S, S., Pandit, S., Bothara, S.
    Veröffentlicht in Machine Learning and Data Mining for Sports Analytics (2020)
    “… Machine Learning and Data Mining for Sports Analytics …”
    Datensatz separat aufrufen Zu den Favoriten
    Gespeichert in:
    Originalquelle
  18. 18

    Physical performance optimization in football (Optimierung der körperlichen Leistungsfähigkeit im Fußball)

    Dobreff, G., Revisnyei, P., Schuth, G., Szigeti, G., Toka, L., Pašic, A.
    Veröffentlicht in Machine Learning and Data Mining for Sports Analytics (2020)
    “… Machine Learning and Data Mining for Sports Analytics …”
    Datensatz separat aufrufen Zu den Favoriten
    Gespeichert in:
    Originalquelle
  19. 19

    Routine Inspection: A Playbook for Corner Kicks (Routinemäßige Inspektion: Ein Spielbuch für Eckstöße)

    Shaw, L., Gopaladesikan, S.
    Veröffentlicht in Machine Learning and Data Mining for Sports Analytics (2020)
    “… Machine Learning and Data Mining for Sports Analytics …”
    Datensatz separat aufrufen Zu den Favoriten
    Gespeichert in:
    Originalquelle
  20. 20

    Low-cost optical tracking of soccer players (Kostengünstige optische Verfolgung von Fußballspielern)

    Csanalosi, G., Dobreff, G., Pasic, A., Molnar, M., Toka, L.
    Veröffentlicht in Machine Learning and Data Mining for Sports Analytics (2020)
    “… Machine Learning and Data Mining for Sports Analytics …”
    Datensatz separat aufrufen Zu den Favoriten
    Gespeichert in:
    Originalquelle
  • 1
  • 2
  • 3
  • Nächster

Suchwerkzeuge:

  • RSS-Feed abonnieren
  • Diese Suche als E-Mail versenden
  • Suche speichern

Treffer weiter einschränken

Seite wird neu geladen, wenn Filter aktiviert oder ausgeschlossen wird.

  • Fußball 43 Treffer 43
  • Analyse 27 Treffer 27
  • Prognose 23 Treffer 23
  • Wettkampf 17 Treffer 17
  • mathematisch-logisches Modell 15 Treffer 15
  • Modellierung 12 Treffer 12
  • Technologie 10 Treffer 10
  • individuell 8 Treffer 8
  • Taktik 8 Treffer 8
  • Tracking 8 Treffer 8
  • Relation 7 Treffer 7
  • Bewertung 6 Treffer 6
  • Spielhandlung 6 Treffer 6
  • Mannschaft 6 Treffer 6
  • Europameisterschaft 5 Treffer 5
  • Angriff 5 Treffer 5
  • Datenbank 5 Treffer 5
  • Leistung 4 Treffer 4
  • playing position (sport games) 4 Treffer 4
  • Verteidigung 3 Treffer 3
  • Bewegung 3 Treffer 3
  • Leistungsfähigkeit 3 Treffer 3
  • Profisport 3 Treffer 3
  • Training 3 Treffer 3
  • Video 3 Treffer 3
  • Europa 2 Treffer 2
  • GPS 2 Treffer 2
  • Sportler 2 Treffer 2
  • Motion Capturing 2 Treffer 2
  • Simulation 2 Treffer 2
  • Alle anzeigen …

  • Naturwissenschaften und Technik 36 Treffer 36
  • Spielsportarten 35 Treffer 35
  • Trainingswissenschaft 2 Treffer 2
  • Biowissenschaften und Sportmedizin 1 Treffer 1
  • Leitung und Organisation 1 Treffer 1
  • Organisationen und Veranstaltungen 1 Treffer 1

  • Toka, L. 7 Treffer 7
  • Brefeld, U. 4 Treffer 4
  • Kim, H. 3 Treffer 3
  • Rahimian, P. 3 Treffer 3
  • Davis, J. 2 Treffer 2
  • Dobreff, G. 2 Treffer 2
  • Lasek, J. 2 Treffer 2
  • Lee, J. 2 Treffer 2
  • Yoon, J. 2 Treffer 2
  • Aalbers, B. 1 Treffer 1
  • Acs, B. 1 Treffer 1
  • Adam, A. 1 Treffer 1
  • Arias, M. 1 Treffer 1
  • Barbosa, A. 1 Treffer 1
  • Berkovics, F. 1 Treffer 1
  • Biermann, H. 1 Treffer 1
  • Bothara, S. 1 Treffer 1
  • Brandt, M. 1 Treffer 1
  • Bransen, L. 1 Treffer 1
  • Budhathoki, K. 1 Treffer 1
  • Cachucho, R. 1 Treffer 1
  • Carlsson, N. 1 Treffer 1
  • Chiarandini, M. 1 Treffer 1
  • Chun-Wei Lin, J. 1 Treffer 1
  • Chung, D. 1 Treffer 1
  • Cintia, P. 1 Treffer 1
  • Csanalosi, G. 1 Treffer 1
  • Dauxais, Y. 1 Treffer 1
  • De Raedt, L. 1 Treffer 1
  • Dutra, I. 1 Treffer 1
  • Alle anzeigen …

  • J. Davis 42 Treffer 42
  • A. Zimmermann 35 Treffer 35
  • J. Van Haaren 33 Treffer 33
  • U. Brefeld 29 Treffer 29
  • J. van Haaren 9 Treffer 9
  • M. Kaytoue 7 Treffer 7

  • Englisch 43 Treffer 43

  • Machine Learning and Data Mining for Sports Analytics 4 Treffer 4

  • Artikel 42 Treffer 42
  • Dissertation 1 Treffer 1

Suchoptionen

  • Suchhistorie
  • Erweiterte Suche

Hilfe

  • Suchtipps
  • Fachauskunft der Bibliothek
  • Schlagwortliste

IAT

  • Impressum
  • Rechtliche Hinweise
  • Datenschutz

Logo IAT

© 2015-2026 Institut für Angewandte Trainingswissenschaft. Alle Rechte vorbehalten. Durch den Besuch und die Nutzung dieser Website erklären Sie sich vollständig und ohne Vorbehalt mit den Nutzungs- und Datenschutzbedingungen einverstanden. Diese Seite ist ein Service des Fachbereichs Strategie und Wissensmanagement (SWM) und wird mit VuFind betrieben.

Wird geladen...